AI CRM Automation: промышленная архитектура без отдельного ИИ-интерфейса

Что означает AI CRM Automation

AI CRM Automation — это не чат поверх базы клиентов. Это событийный контур, в котором CRM остаётся системой записи, а AI помогает классифицировать лиды, собирать сводки, готовить следующий шаг и заполнять черновики полей. Менеджер продолжает работать в карточке сделки, поэтому рекомендации не создают ещё один интерфейс и ещё одну очередь задач.

Главное разделение ответственности: правила CRM выполняют детерминированные операции, а модель обрабатывает неструктурированный контекст. Смена этапа после оплаты должна зависеть от статуса платёжной системы, а не от ответа LLM. Модель уместна там, где нужно понять письмо, звонок или историю коммуникации и подготовить предложение человеку.

Референсная архитектура

Поток выглядит так: webhook CRM → очередь событий → сервис оркестрации → сбор разрешённого контекста → вызов модели → проверка структурированного ответа → запись результата в CRM. Очередь отделяет пользовательскую операцию от медленного AI-вызова, позволяет повторять запросы и не терять события при временной недоступности CRM или провайдера модели.

Для каждого сценария нужен отдельный контракт данных. Классификатор лида возвращает категорию, уверенность и причины; генератор дожима — тему, текст и использованные факты; next-best-action — действие и срок. JSON Schema или аналогичная валидация отсекает сломанные ответы до записи. Идемпотентный ключ не даёт повторному webhook создать два задания или два письма.

Контекст, память и права доступа

Модели не следует передавать всю карточку клиента. Контекст собирается под конкретную задачу: последние сообщения, активные товары, этап и разрешённые поля. Такой подход уменьшает стоимость и риск утечки, а также повышает точность — нерелевантная история не конкурирует с текущим запросом.

Права должны наследоваться из CRM. Если менеджер не видит маржу, агент не должен получать её через техническую учётную запись. Чувствительные поля маскируются перед вызовом внешней модели, а on-premise контур использует те же контракты инструментов и валидацию. Для каждого результата сохраняются сценарий, версия prompt, модель и источники контекста.

Guardrails и человек в контуре

На старте AI должен готовить черновики, а не выполнять необратимые действия. Отправка письма, изменение скидки, закрытие сделки и удаление данных требуют подтверждения или жёсткого бизнес-правила. Расширять автоматизацию стоит только после сбора статистики ошибок на реальных сделках.

Защита не заканчивается системным prompt. Нужны списки разрешённых полей и действий, лимиты значений, фильтрация входа, валидация выхода и журнал аудита. Prompt injection в письме клиента не должен менять системные инструкции или заставлять агента получать данные из другой сделки.

Как измерять эффект внедрения

Технические метрики — задержка, доля валидных структурированных ответов, стоимость вызова, число повторов и ошибки записи в CRM. Бизнес-метрики зависят от сценария: время от лида до первого ответа, время подготовки дожима, доля карточек с заполненными полями и число сделок без активности дольше SLA.

Самый безопасный старт — один процесс и контрольная группа. В течение двух–четырёх недель сравнивают время работы, качество данных и конверсию с прежним процессом. Если AI лишь переносит работу с написания текста на исправление плохих черновиков, сценарий не готов к масштабированию.

Пример контракта ответа для классификатора лида

{
  "$schema": "http://json-schema.org/draft-07/schema#",
  "type": "object",
  "required": ["category", "confidence", "reasons"],
  "properties": {
    "category": { "enum": ["hot", "warm", "cold", "spam"] },
    "confidence": { "type": "number", "minimum": 0, "maximum": 1 },
    "reasons": { "type": "array", "items": { "type": "string" }, "maxItems": 3 },
    "suggested_next_action": { "type": "string", "maxLength": 200 }
  },
  "additionalProperties": false
}

FAQ